Inteligencia artificial para el diagnóstico por imágenes de la esquistosomiasis genital femenina

Área de la Ciencia:

• La informática médica
• Patología computacional
• Inteligencia artificial en el cuidado de la salud

Sus antecedentes:

• La esquistosomiasis genital femenina (ESF) afecta a millones de mujeres y niñas en el África subsahariana.
• El diagnóstico preciso y oportuno de la FGS es crucial para un tratamiento eficaz y el control de la enfermedad.
• Los métodos de diagnóstico actuales pueden verse limitados por la necesidad de conocimientos especializados y procesos que requieren mucho tiempo.

Objetivo del estudio:

• Desarrollar y evaluar una nueva aplicación de aprendizaje profundo de inteligencia artificial (IA) para el diagnóstico automatizado de FGS.
• Evaluar el rendimiento del modelo de IA en la identificación precisa de FGS a partir de imágenes cervicales.
• Comparar las capacidades de diagnóstico del modelo de IA con los métodos existentes y evaluar su eficiencia.

Principales métodos:

• Se utilizaron imágenes cervicales de una zona de alta endemia de FGS en Camerún.
• Aplicó el modelo de aprendizaje profundo You Only Look Once (YOLO) para el análisis de imágenes.
• Se empleó una validación cruzada de 5 veces y un análisis de sensibilidad para optimizar y validar el rendimiento del modelo.

Principales resultados:

• El modelo de IA alcanzó una alta sensibilidad de 0,96 (76/78) y una precisión de 0,78 (97/125).
• Se ha demostrado un rendimiento superior en comparación con un método computarizado sin IA (sensibilidad 0,94, precisión 0,58).
• Reducción significativa del tiempo de procesamiento de imágenes de 47 minutos a menos de 90 segundos para 250 imágenes.

Conclusiones:

• La IA basada en el aprendizaje profundo tiene un potencial significativo para el diagnóstico automatizado de FGS.
• La aplicación de la IA puede reducir la dependencia de la experiencia clínica especializada para la detección de FGS.
• Es necesaria una mayor investigación para perfeccionar los métodos de diagnóstico de la FGS basados en la IA y abordar las limitaciones actuales.